CN113204838A - 混合气控制系统参数识别方法、装置及可读存储介质 - Google Patents
混合气控制系统参数识别方法、装置及可读存储介质 Download PDFInfo
- Publication number
- CN113204838A CN113204838A CN202110358100.1A CN202110358100A CN113204838A CN 113204838 A CN113204838 A CN 113204838A CN 202110358100 A CN202110358100 A CN 202110358100A CN 113204838 A CN113204838 A CN 113204838A
- Authority
- CN
- China
- Prior art keywords
- engine
- reference signal
- signal
- reference model
- excitation signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000000203 mixture Substances 0.000 claims abstract description 68
- 230000005284 excitation Effects 0.000 claims abstract description 55
- 239000000446 fuel Substances 0.000 claims abstract description 50
- 230000006870 function Effects 0.000 claims abstract description 26
- 230000004044 response Effects 0.000 claims abstract description 23
- 238000002347 injection Methods 0.000 claims abstract description 19
- 239000007924 injection Substances 0.000 claims abstract description 19
- 238000012546 transfer Methods 0.000 claims abstract description 16
- 239000007789 gas Substances 0.000 claims description 31
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 16
- 239000001301 oxygen Substances 0.000 claims description 16
- 229910052760 oxygen Inorganic materials 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000011478 gradient descent method Methods 0.000 claims description 6
- 230000000630 rising effect Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 abstract description 5
- 238000001914 filtration Methods 0.000 abstract description 3
- 230000032683 aging Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000006185 dispersion Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007800 oxidant agent Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
Landscapes
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Electrical Control Of Air Or Fuel Supplied To Internal-Combustion Engine (AREA)
Abstract
本发明提供一种混合气控制系统参数识别方法、装置及可读存储介质,包括:建立发动机混合气系统的参考模型;向发动机混合系统和参考模型输入激励信号,以分别输出第一参考信号和第二参考信号;以及,根据第一参考信号与第二参考信号之间的偏差,响应于激励信号的变化,对参考模型中的滞后时间及滤波系数进行迭代更新,直至第一参考信号和第二参考信号之间的偏差最小;其中,发动机混合气系统对于喷油指令的开环响应包括一个滞后环节和一个一阶惯性环节,发动机混合气系统的传递函数以及参考模型均为关于滞后环节的滞后时间及一阶惯性环节的滤波系数的函数。通过迭代更新得到的滞后时间及滤波系统可用于空燃比控制系统中控制算法的参数调节。
Description
技术领域
本发明涉及发动机控制技术领域,特别涉及一种混合气控制系统参数识别方法、装置及可读存储介质。
背景技术
随着排放和油耗法规的不断加严,越来越多的新技术和新产品被应用到发动机上。为了满足排放法规对排放物的苛刻要求需要利用宽域氧传感器进行燃油喷射闭环控制。如图1所示,发动机喷油到宽域氧传感器感知到喷油信号(即λ)有一定的延迟时间T,T与发动机燃烧室、排气管路及运行工况等密切相关,而宽域氧传感器从开始感知喷油信号到正确反映出真实空燃比有一个过程,这个过程的时间长短与氧含量浓度梯度、混合气浓稀变化方向及传感器特性等因素有关,可以用τ来表示。由发动机喷油、宽域氧传感器感知喷油量形成的混合气闭环系统可以采用比例积分微分控制(proportional-integral-derivative control,简称PID控制)、内模控制(Internal Model Control,简称IMC)等方式进行控制。
由于不同型号发动机和氧传感器特性参数不同,其共同形成的混合气控制系统参数T和τ对闭环控制效果以及最终的排放有着很大影响。因此在每型发动机研发阶段均需对空燃比控制系统参数进行测试与标定。但是每型发动机与氧传感器均有制造散差,导致各发动机的混合气控制系统参数T和τ不一致,且零部件老化、故障也会带来参数的变化,如果不能准确识别这些参数的变化量进而及时修正控制系统参数,那么闭环控制效果将会变差,进而导致排放恶化。
发明内容
本发明的目的在于提供一种混合气控制系统参数识别方法、装置及可读存储介质,以准确识别发动机的混合气控制系统参数。
基于上述目的,本发明提供一种发动机混合气控制系统参数识别方法,包括:
建立发动机混合气系统的参考模型;
向所述发动机混合系统输入激励信号,以使得所述发动机混合气系统输出第一参考信号,向所述参考模型输入所述激励信号,以使得所述参考模型输出第二参考信号;以及,
根据所述第一参考信号与所述第二参考信号之间的偏差,响应于所述激励信号的变化,以对所述参考模型中的滞后时间及滤波系数进行迭代更新,直至所述第一参考信号和所述第二参考信号之间的偏差最小;
其中,所述发动机混合气系统对于喷油指令的开环响应包括一个滞后环节和一个一阶惯性环节,所述传递函数以及所述参考模型均为关于所述滞后环节的滞后时间及所述一阶惯性环节的滤波系数的函数。
可选的,在所述的发动机混合气控制系统参数识别方法,其特征在于,
采用梯度下降法对所述滞后时间及所述滤波系数进行迭代更新。
可选的,在所述的发动机混合气控制系统参数识别方法,其特征在于,
采用如下公式对所述滞后时间进行迭代更新:
△T(i)=-λ[So(i)-Sm(i)][Sm(i)-Sm(i-1)];
T(i)=T(i-1)+ΔT(i);
采用如下公式对所述滤波系数进行迭代更新:
τ(i)=τ(i-1)+△τ(i);
其中,i=1、2…k,S0为所述第一参考信号,Sm为所述第二参考信号,K为采样周期得到的滞后。
可选的,在所述的发动机混合气控制系统参数识别方法中,在向所述发动机混合系统输入激励信号之前,还包括:截取所述激励信号的半个波形,通过将半个波形的所述激励信号输入至所述发动机混合系统及所述参考模型以分别生成所述第一参考信号和所述第二参考信号。
可选的,在所述的发动机混合气控制系统参数识别方法中,所述截取所述激励信号的半个波形的方法包括:
判断所述激励信号的波形变化趋势,若所述激励信号由低至高变化,则截取上升沿信号,若所述激励信号由高至低变化,则截取下降沿信号。
可选的,在所述的发动机混合气控制系统参数识别方法中,所述发动机混合气系统的传递函数为:
所述参考模型为:
其中,Y(s)、U(s)分别为输出量和输入量的拉普拉斯变换,s为复变量,T0和T1为滞后环节的滞后时间,τ0和τ1为一阶惯性环节的滤波系数。
本发明还提供一种发动机混合气控制系统识别装置,包括:
控制模块,用于建立发动机混合气系统的参考模型,所述发动机混合气系统包括发动机及氧传感器;以及,用于向所述发动机混合系统输入激励信号,以使得所述发动机混合气系统输出第一参考信号,向所述参考模型输入所述激励信号,以使得所述参考模型输出第二参考信号;以及,
参数学习模块,用于接收所述激励信号、所述第一参考信号以及所述第一参考信号,根据所述第一参考信号与所述第二参考信号之间的偏差,响应于所述激励信号的变化,对所述参考模型中的滞后时间及滤波系数进行迭代更新,直至所述第一参考信号和所述第二参考信号之间的偏差最小。
其中,所述发动机混合气系统对于喷油指令的开环响应包括一个滞后环节和一个一阶惯性环节,所述发动机混合气系统的传递函数以及所述参考模型均为关于所述滞后环节的滞后时间及所述一阶惯性环节的滤波系数的函数。
可选的,在所述的发动机混合气控制系统参数识别装置中,所述参数学习模块采用梯度下降法对所述滞后时间及所述滤波系数进行迭代更新。
可选的,在所述的发动机混合气控制系统参数识别装置中,所述参数学习模块采用如下公式对所述滞后时间进行迭代更新:
△T(i)=-λ[So(i)-Sm(i)][Sm(i)-Sm(i-1)];
T(i)=T(i-1)+ΔT(i);
所述参数学习模块采用如下公式对所述滤波系数进行迭代更新:
τ(i)=τ(i-1)+△τ(i);
其中,i=1、2…k,S0为所述第一参考信号,Sm为所述第二参考信号,K为采样周期得到的滞后。
本发明还提供一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序被执行时,实现如上所述的发动机混合气控制系统参数识别方法。
综上所述,本发明提供的混合气控制系统参数识别方法、装置及可读存储介质,包括:建立发动机混合气系统的参考模型;向所述发动机混合系统输入激励信号,以使得所述发动机混合气系统输出第一参考信号,向所述参考模型输入所述激励信号,以使得所述参考模型输出第二参考信号;以及,根据所述第一参考信号与所述第二参考信号之间的偏差,响应于所述激励信号的变化,以对所述参考模型中的滞后时间及滤波系数进行迭代更新,直至所述第一参考信号和所述第二参考信号之间的偏差最小;其中,所述发动机混合气系统对于喷油指令的开环响应包括一个滞后环节和一个一阶惯性环节,所述传递函数以及所述参考模型均为关于所述滞后环节的滞后时间及所述一阶惯性环节的滤波系数的函数。通过迭代更新得到的所述滞后时间及所述滤波系统可用于空燃比控制系统中控制算法的参数调节,以覆盖发动机、氧传感器制散差、零部件老化带来的参数变化,进而提升空燃比控制精度,降低车辆有害物排放。
附图说明
图1为发动机喷油到宽域氧化器感知到喷油信号而后反映出真实空燃比的过程示意图;
图2为本发明实施例提供的发动机混合气控制系统参数识别方法的流程图;
图3为本发明实施例中输入激励信号以及输出响应信号的逻辑示意图;
图4为本发明实施例中一种示例性的截取后的激励信号及响应信号波形图。
具体实施方式
为使本发明的目的、优点和特征更加清楚,以下结合附图和具体实施例对本发明作详细说明。需说明的是,附图均采用非常简化的形式且未按比例绘制,仅用以方便、明晰地辅助说明本发明实施例的目的。此外,附图所展示的结构往往是实际结构的一部分。特别的,各附图需要展示的侧重点不同,有时会采用不同的比例。还应当理解的是,除非特别说明或者指出,否则说明书中的术语“第一”、“第二”、“第三”等描述仅仅用于区分说明书中的各个组件、元素、步骤等,而不是用于表示各个组件、元素、步骤之间的逻辑关系或者顺序关系等。
发明人研究发现,可将由发动机和氧传感器构成的发动机混合气系统对于喷油指令的开环响应等效为一个滞后环节和一个一阶惯性环节,激励信号为混合气浓度(即喷油指令)、响应信号为前氧传感器测到废气中空燃比信号。
另外,所述发动机混合气系统,其传递函数可以表示为:
其中,Y(s)、U(s)分别为输出量和输入量的拉普拉斯变换,s为复变量,T为滞后环节的滞后时间,τ一阶惯性环节的滤波系数。
对于空燃比控制系统来说,可基于该传递函数输出控制策略,因此,对于发动机的混合气控制系统参数T和τ的识别,可用于空燃比控制系统中控制算法的参数调节。
基于上述发现,本发明的核心思想在于建立发动机混合系统的参考模型,基于所述参考模型与发动机混合气系统的传递函数(混合气模型)的偏差应尽可能小的原则,对参数T和τ进行迭代更新,并将停止更新后的参数T和τ作为最终识别的发动机混合系统控制系统参数,识别到的参数可用于控制算法中参数调节,以覆盖发动机、氧传感器制散差、零部件老化带来的参数变化,进而提升空燃比控制精度,降低车辆有害物排放。
为了实现上述思想,如图2所示,并请参考图3,本发明实施例提供一种发动机混合气控制系统参数识别方法,包括如下步骤:
步骤S11,建立发动机混合气系统的参考模型;
步骤S12,向所述发动机混合系统输入激励信号Si,以使得所述发动机混合气系统输出第一参考信号So,向所述参考模型输入所述激励信号,以使得所述参考模型输出第二参考信号Sm;以及,
步骤S13,根据所述第一参考信号So与所述第二参考信号Sm之间的偏差,改变所述激励信号Si,以对所述参考模型中的滞后时间及滤波系数进行迭代更新,直至所述第一参考信号So和所述第二参考信号Sm之间的偏差最小;
其中,所述发动机混合气系统对于喷油指令的开环响应包括一个滞后环节和一个一阶惯性环节,所述传递函数以及所述参考模型均为关于所述滞后环节的滞后时间及所述一阶惯性环节的滤波系数的函数。
实际应用时,如图3中所示例的,上述步骤S11~S13可由控制器来执行,但本申请不仅限于此,可为由集成有包括步骤S11~S13的计算机程序的其它电子设备来执行,具体可参见下文对于可读存储介质的描述,在此不再赘述。
由于将所述发动机混合气系统对于喷油指令的开环响应等效为一个滞后环节和一个一阶惯性环节,本实施例中,所述发动机混合气系统的传递函数可以表示为:
其中,Y(s)、U(s)分别为输出量和输入量的拉普拉斯变换,s为复变量,T0为滞后环节的滞后时间,τ0为一阶惯性环节的滤波系数。
作为所述发动机混合气系统的参考模型,相应的,所述参考模型可以表示为:
其中,Y(s)、U(s)分别为输出量和输入量的拉普拉斯变换,s为复变量,T1为滞后环节的滞后时间,τ1为一阶惯性环节的滤波系数。
所述传递函数作为所述发动机混合气系统的混合气模型,当T0与T1存在偏差,τ0与τ1存在偏差时,所述混合气模型和所述参考模型也存在偏差。基于所述混合气模型和所述参考模型之间的偏差应尽可能小的原则,两者的模型参数T和τ之间的偏差也应尽可能小。因此,本发明实施例中,可采用梯度下降法对所述滞后时间T0和所述滤波系数τ0进行迭代更新,从而以辨识最终的参数。
具体的,可采用如下公式对所述滞后时间进行迭代更新:
△T(i)=-λ[So(i)-Sm(i)][Sm(i)-Sm(i-1)];
T(i)=T(i-1)+ΔT(i);
采用如下公式对所述滤波系数进行迭代更新:
τ(i)=τ(i-1)+△τ(i);
其中,i=1、2…k,S0为所述第一参考信号,Sm为所述第二参考信号,K为采样周期得到的滞后。
以下将对参数辨识原理进行具体描述。
当混合气模型与参考模型参数不一致时,混合气模型与参考模型存在偏差。
e(t)=So(t)-Sm(t);
其总的偏差为:
当参考模型与混合气模型一致时,此偏差应该达到最小。也因此,此偏差是两个参数T,τ的函数。使用梯度下降法对T,τ进行参数搜索,则能找到使总偏差最小的T,τ。
总偏差对T导数推导为:
得到的对T的更新率为:
T=T0+△T;
在数值计算中,使用求和代替积分,使用差分代替导数,更新率为:
由于学习是个长期的过程,每次数据更新均可进行学习,得到的更新率为:
△T(i)=-λ[So(i)-Sm(i)][Sm(i)-Sm(i-1)];
最终得到T的更新规则,迭代则完成对T的辨识:
T(i)=T(i-1)+△T(i)。
对于τ,采用类似的思路,可得到:
最终得到τ的更新规则,迭代则完成对τ的辨识:
τ(i)=τ(i-1)+△τ(i)。
当混合气浓度由稀到浓或由浓到稀变化时,其延时、上升斜率并不一样。为了对双边(由浓到稀、由稀到浓)参数进行辨识,本实施例中,优选的,在向所述发动机混合系统输入激励信号之前,还包括:截取所述激励信号的半个波形,通过将半个波形的所述激励信号输入至所述发动机混合系统及所述参考模型以分别生成所述第一参考信号和所述第二参考信号。具体的,包括:判断所述激励信号的波形变化趋势,若所述激励信号由低至高变化,则截取上升沿信号输入至所述发动机混合系统及所述参考模型以分别生成所述第一参考信号和所述第二参考信号,若所述激励信号由高至低变化,则截取下降沿信号输入至所述发动机混合系统及所述参考模型以分别生成所述第一参考信号和所述第二参考信号。
图4为一种示例性的截取后的激励信号及响应信号波形图,图4所示,是以上升沿为例,激励信号为方波,响应信号为正弦波。在对所述激励信号进行截取之后,可将其输入带通滤波器,将方波转为为正弦波而后再输入至所述发动机混合气系统,得到正弦波的响应信号。在另外一些实施例中,也可通过在发动机喷油器的原始控制信号上叠加正弦波信号的方式向所述发动机混合气系统输入正弦波信号,以得到正弦波的响应信号,本申请对此不作限制。
本发明实施例还提供一种发动机混合气控制系统参数识别装置,包括:
控制模块,用于建立发动机混合气系统的参考模型,所述发动机混合气系统包括发动机及氧传感器;以及,用于向所述发动机混合系统输入激励信号,以使得所述发动机混合气系统输出第一参考信号,向所述参考模型输入所述激励信号,以使得所述参考模型输出第二参考信号;以及,
参数学习模块,用于接收所述激励信号、所述第一参考信号以及所述第一参考信号,根据所述第一参考信号与所述第二参考信号之间的偏差,响应于所述激励信号的变化,对所述参考模型中的滞后时间及滤波系数进行迭代更新,直至所述第一参考信号和所述第二参考信号之间的偏差最小。
其中,所述发动机混合气系统对于喷油指令的开环响应包括一个滞后环节和一个一阶惯性环节,所述发动机混合气系统的传递函数以及所述参考模型均为关于所述滞后环节的滞后时间及所述一阶惯性环节的滤波系数的函数。
举例而言,本发明实施例提供的所述发动机混合气控制系统参数识别装置可为用于台架标定的控制器,或者通过为集成至车辆的控制器。所述控制模块和所述参数学习模块均可集成所述控制器中,所述参数学习模块对于所述滞后时间及所述滤波系数进行迭代更新的过程已在前文部分进行描述,在此不再赘述。
本实施例还提供一种可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序被执行时,实现如本实施例提供的所述发动机混合气控制系统参数识别方法。本实施例提供的所述可读存储介质可用于台架标定时的参数离线识别,也可集成到电子控制器中,在车辆运行时进行参数在线识别,具有很强的实用性。
所述可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备,例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备以及上述的任意合适的组合。这里所描述的计算机程序可以从可读存储介质下载到各个计算/处理设备,或者通过网格、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。所述计算机程序可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在一些实施例中,通过利用计算机程序的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
综上所述,本发明实施例提供的混合气控制系统参数识别方法、装置及可读存储介质,包括:建立发动机混合气系统的参考模型;向所述发动机混合系统输入激励信号,以使得所述发动机混合气系统输出第一参考信号,向所述参考模型输入所述激励信号,以使得所述参考模型输出第二参考信号;以及,根据所述第一参考信号与所述第二参考信号之间的偏差,响应于所述激励信号的变化,以对所述参考模型中的滞后时间及滤波系数进行迭代更新,直至所述第一参考信号和所述第二参考信号之间的偏差最小;其中,所述发动机混合气系统对于喷油指令的开环响应包括一个滞后环节和一个一阶惯性环节,所述传递函数以及所述参考模型均为关于所述滞后环节的滞后时间及所述一阶惯性环节的滤波系数的函数。通过迭代更新得到的所述滞后时间及所述滤波系统可用于空燃比控制系统中控制算法的参数调节,以覆盖发动机、氧传感器制散差、零部件老化带来的参数变化,进而提升空燃比控制精度,降低车辆有害物排放。
此外还应该认识到,虽然本发明已以较佳实施例披露如上,然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言,在不脱离本发明技术方案范围情况下,都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围。
Claims (10)
1.一种发动机混合气控制系统参数识别方法,其特征在于,包括:
建立发动机混合气系统的参考模型;
向所述发动机混合系统输入激励信号,以使得所述发动机混合气系统输出第一参考信号,向所述参考模型输入所述激励信号,以使得所述参考模型输出第二参考信号;以及,
根据所述第一参考信号与所述第二参考信号之间的偏差,响应于所述激励信号的变化,以对所述参考模型中的滞后时间及滤波系数进行迭代更新,直至所述第一参考信号和所述第二参考信号之间的偏差最小;
其中,所述发动机混合气系统对于喷油指令的开环响应包括一个滞后环节和一个一阶惯性环节,所述传递函数以及所述参考模型均为关于所述滞后环节的滞后时间及所述一阶惯性环节的滤波系数的函数。
2.如权利要求1所述的发动机混合气控制系统参数识别方法,其特征在于,
采用梯度下降法对所述滞后时间及所述滤波系数进行迭代更新。
4.如权利要求1所述的发动机混合气控制系统参数识别方法,其特征在于,在向所述发动机混合系统输入激励信号之前,还包括:截取所述激励信号的半个波形,通过将半个波形的所述激励信号输入至所述发动机混合系统及所述参考模型以分别生成所述第一参考信号和所述第二参考信号。
5.如权利要求1所述的发动机混合气控制系统参数识别方法,其特征在于,所述截取所述激励信号的半个波形的方法包括:
判断所述激励信号的波形变化趋势,若所述激励信号由低至高变化,则截取上升沿信号,若所述激励信号由高至低变化,则截取下降沿信号。
7.一种发动机混合气控制系统参数识别装置,其特征在于,包括:
控制模块,用于建立发动机混合气系统的参考模型,所述发动机混合气系统包括发动机及氧传感器;以及,用于向所述发动机混合系统输入激励信号,以使得所述发动机混合气系统输出第一参考信号,向所述参考模型输入所述激励信号,以使得所述参考模型输出第二参考信号;以及,
参数学习模块,用于接收所述激励信号、所述第一参考信号以及所述第一参考信号,根据所述第一参考信号与所述第二参考信号之间的偏差,响应于所述激励信号的变化,对所述参考模型中的滞后时间及滤波系数进行迭代更新,直至所述第一参考信号和所述第二参考信号之间的偏差最小。
其中,所述发动机混合气系统对于喷油指令的开环响应包括一个滞后环节和一个一阶惯性环节,所述发动机混合气系统的传递函数以及所述参考模型均为关于所述滞后环节的滞后时间及所述一阶惯性环节的滤波系数的函数。
8.如权利要求7所述的发动机混合气控制系统参数识别装置,其特征在于,
所述参数学习模块采用梯度下降法对所述滞后时间及所述滤波系数进行迭代更新。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序被执行时,实现如权利要求1~6任一项所述的发动机混合气控制系统参数识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110358100.1A CN113204838B (zh) | 2021-04-01 | 混合气控制系统参数识别方法、装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110358100.1A CN113204838B (zh) | 2021-04-01 | 混合气控制系统参数识别方法、装置及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113204838A true CN113204838A (zh) | 2021-08-03 |
CN113204838B CN113204838B (zh) | 2024-06-04 |
Family
ID=
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113847155A (zh) * | 2021-10-15 | 2021-12-28 | 东风汽车集团股份有限公司 | 一种发动机短期燃油修正控制方法及控制系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110115223A1 (en) * | 2009-06-29 | 2011-05-19 | Lightsail Energy Inc. | Compressed air energy storage system utilizing two-phase flow to facilitate heat exchange |
US20110202256A1 (en) * | 2010-02-15 | 2011-08-18 | Gm Global Technology Operations, Inc. | Distributed fuel delivery sytems for alternative gaseous fuel applications |
CN103195599A (zh) * | 2013-04-03 | 2013-07-10 | 天津大学 | 一种hcci燃烧基于模型的解耦及抗扰控制方法 |
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110115223A1 (en) * | 2009-06-29 | 2011-05-19 | Lightsail Energy Inc. | Compressed air energy storage system utilizing two-phase flow to facilitate heat exchange |
US20110202256A1 (en) * | 2010-02-15 | 2011-08-18 | Gm Global Technology Operations, Inc. | Distributed fuel delivery sytems for alternative gaseous fuel applications |
CN103195599A (zh) * | 2013-04-03 | 2013-07-10 | 天津大学 | 一种hcci燃烧基于模型的解耦及抗扰控制方法 |
Non-Patent Citations (3)
Title |
---|
汤积仁;雷玉勇;聂光伟;袁卓林;孙书蕾;孙惠娟;: "神经网络PID控制在柴油机调速系统中的应用", 煤矿机械, no. 01 * |
王耀南;申永鹏;孟步敏;李会仙;袁小芳;: "车用汽油发动机电子控制系统研究现状与展望", 控制理论与应用, no. 04 * |
纪少波;程勇;王锡平;唐娟;黄万有;: "基于缸盖振动信号频域特征识别气缸压力的研究", 振动与冲击, no. 02 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113847155A (zh) * | 2021-10-15 | 2021-12-28 | 东风汽车集团股份有限公司 | 一种发动机短期燃油修正控制方法及控制系统 |
CN113847155B (zh) * | 2021-10-15 | 2023-12-29 | 东风汽车集团股份有限公司 | 一种发动机短期燃油修正控制方法及控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Choi et al. | An observer-based controller design method for improving air/fuel characteristics of spark ignition engines | |
US9146545B2 (en) | Multivariable control system for setpoint design | |
Gertler et al. | Model-based on-board fault detection and diagnosis for automotive engines | |
US20070156363A1 (en) | Calibration of engine control systems | |
EP1426594B1 (en) | Control system and method | |
EP0582085A2 (en) | Fuel metering control system and cylinder air flow estimation method in internalcombustion engine | |
JPH0988685A (ja) | 内燃機関の空燃比制御装置 | |
US6789534B2 (en) | Air-fuel ratio control system and method and engine control unit for internal combustion engine | |
Jin et al. | Benchmarks for model transformations and conformance checking | |
US6256575B1 (en) | Process for controlling an internal combustion engine | |
White et al. | Gain-scheduling control of port-fuel-injection processes | |
Majecki et al. | Real-time predictive control for SI engines using linear parameter-varying models | |
Gao et al. | Adaptive internal model based control of the RGF using online map learning and statistical feedback law | |
CN113204838A (zh) | 混合气控制系统参数识别方法、装置及可读存储介质 | |
Yoon et al. | An adaptive sliding mode controller for air-fuel ratio control of spark ignition engines | |
CN113204838B (zh) | 混合气控制系统参数识别方法、装置及可读存储介质 | |
Vance et al. | Neural network controller development and implementation for spark ignition engines with high EGR levels | |
Takahashi et al. | A simple engine model for idle speed control | |
CN113153544B (zh) | 发动机混合气控制系统参数识别方法及装置 | |
Kwiatkowski et al. | Application of LPV gain scheduling to charge control of a SI engine | |
CN113090397B (zh) | 发动机混合气控制系统参数识别方法及可读存储介质 | |
Mallik | State feedback based control of air-fuel-ratio using two wide-band oxygen sensors | |
Wang | A study of model-based control strategy for a gasoline turbocharged direct injection spark ignited engine | |
JPH0874636A (ja) | 空燃比制御装置 | |
López et al. | Decoupled control for internal combustion engines research test beds |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |